การจ้างงานครั้งนี้เกิดขึ้นในช่วงเวลาสำคัญ รายงานทางเทคนิคของ DeepSeek V3 ระบุถึงการกลั่นกรอง (distill) ความสามารถในการให้เหตุผลจากโมเดลซีรีส์ R1 วิธีการ MiniLLM ของกูที่ใช้ reverse KL divergence สำหรับ generative distillation สามารถปรับปรุงประสิทธิภาพและโครงสร้างต้นทุนของโมเดลในอนาคตได้โดยตรง
ดีพซีคปิดรอบการระดมทุนจากภายนอกรอบแรกเมื่อวันที่ 16 มิถุนายน 2026 ระดมทุนได้ประมาณ 7.4 พันล้านดอลลาร์ (5 หมื่นล้านหยวน) ด้วยมูลค่าบริษัทหลังการระดมทุน 52 ถึง 59 พันล้านดอลลาร์ รอบนี้ทำให้ดีพซีคเป็นสตาร์ทอัป AI ที่มีมูลค่ามากที่สุดในจีน
เงื่อนไขสำคัญของดีล:
เงินทุนจำนวนนี้เป็นขุมทรัพย์สำคัญในการจ้างบุคลากรระดับสูงอย่างกู การจัดหาพลังงานคำนวณมหาศาลสำหรับการฝึกโมเดลระดับ V4 (1.6T พารามิเตอร์ MoE) และการรักษาราคา API ให้ต่ำกว่า OpenAI และ Anthropic อย่างมาก
ดีพซีคปล่อย โมเดลพรีวิว V4 (เปิดน้ำหนักแบบโอเพนซอร์สภายใต้สัญญาอนุญาต MIT และ Apache 2.0) ระหว่างวันที่ 22-24 เมษายน 2026 รายงานของ Tencent News ระบุว่า "V4 正式版" (เวอร์ชันทางการ/สมบูรณ์) จะเปิดตัวในช่วงกลางเดือนกรกฎาคม 2026
ทั้งสองรุ่นปล่อยน้ำหนักบน Hugging Face และมี API endpoint ในราคาที่ถูกกว่าโมเดลแนวหน้าของสหรัฐฯ มาก โดย input มีราคาประมาณ 1/34 ของ Claude Opus 4.7
เมื่อ วันที่ 1 พฤษภาคม 2026 หน่วยงาน Center for AI Standards and Innovation (CAISI) ภายใต้ NIST ของสหรัฐฯ เผยแพร่ผลการประเมิน โดยระบุว่า "DeepSeek V4 เป็นโมเดล AI ของสาธารณรัฐประชาชนจีนที่มีความสามารถมากที่สุดเท่าที่ CAISI เคยประเมิน" ในโดเมนไซเบอร์ วิศวกรรมซอฟต์แวร์ วิทยาศาสตร์ธรรมชาติ และการใช้เหตุผลเชิงนามธรรม สำนักข่าวบลูมเบิร์ก (Bloomberg) รายงานผลการค้นพบเดียวกัน
อย่างไรก็ตาม ผลการประเมินของ CAISI ยังชี้ด้วยว่า V4-Pro ล้าหลังโมเดลแนวหน้าชั้นนำของสหรัฐฯ อยู่ประมาณ 8 เดือน ในด้านการให้เหตุผลและคณิตศาสตร์ ในแง่คะแนน Elo โดยประมาณ V4 Pro ทำได้ราว 800 คะแนน ขณะที่ GPT-5.5 ทำได้ 1260 คะแนน
นี่คือประเด็นสำคัญ: การถูกยกย่องว่าเป็น "โมเดลจีนที่ทรงพลังที่สุด" ยืนยันความเป็นผู้นำของดีพซีคในจีน แต่ก็เป็นการตีตราช่องว่างกับ OpenAI และ Anthropic ต่อสาธารณะด้วย
ทั้งสามการเคลื่อนไหวสอดคล้องและหนุนเสริมซึ่งกันและกัน:
การจ้างยวี่เสียน กู นำความเชี่ยวชาญระดับโลกด้าน distillation เข้าสู่ดีพซีคในเวลาที่กำลังจะปล่อย V4 ซึ่งเป็นโมเดลที่ใช้เทคนิค distillation อยู่แล้ว วิธีการของกูสามารถปรับปรุงประสิทธิภาพและโครงสร้างต้นทุนของโมเดลในอนาคตได้โดยตรง ทำให้ดีพซีค 'ทำมากได้น้อยลง'
การระดมทุน 7.4 พันล้านดอลลาร์ เป็นขุมทรัพย์ในการจ้างบุคลากรเก่งอย่างกู จัดหาพลังงานคำนวณมหาศาลสำหรับฝึกโมเดลระดับ V4 และรักษาราคา API ให้ต่ำกว่าคู่แข่งสหรัฐฯ
การปล่อย V4 ตัวเต็ม คือยานพาหนะผลิตภัณฑ์ที่ต้องพิสูจน์ว่าดีพซีคสามารถลดช่องว่าง 8 เดือนที่ NIST ชี้ให้เห็นได้ เป็นการแสดงต่อสาธารณะว่ากลยุทธ์ได้ผล
ดีพซีคลงแข่งเพื่อเร่งวงจร R&D ด้วยการฉีดเงินสด ดึงดูดผู้มีความสามารถด้าน distillation และผลักดัน V4 สู่การใช้งานจริง ทั้งหมดเพื่อลดช่องว่างที่วัดได้กับโมเดลแนวหน้าของสหรัฐฯ ให้เร็วที่สุด ความสำเร็จของกลยุทธ์สามด้านนี้ขึ้นอยู่กับว่าการคิดค้นอัลกอริทึมสามารถชดเชยข้อจำกัดด้านฮาร์ดแวร์ได้เร็วเพียงใด และโมเดสรุ่นต่อไปจะทำให้ช่องว่าง 8 เดือนลดลงได้หรือไม่